Bomberman Tower

Unity tabanlı AI eğitim ortamı. Turn-based Bomberman mekaniği ile procedurel level generation ve ML-Agents entegrasyonu sunar.

🎯 Proje Amacı

Bu proje, ML-Agents kullanarak AI'ların turn-based Bomberman oyununda strateji geliştirmelerini sağlayan bir eğitim ortamıdır. Houdini ile procedurel level generation ve gelişmiş reward sistemi içerir.

📁 Proje Yapısı

BombermanTower/
│
├── Unity/                   # 🎮 Unity Ana Projesi
│   ├── Assets/Scripts/      #   Oyun kodları
│   │   ├── ML-Agent/        #   ML-Agents PlayerAgent, EnvManager, RewardSystem
│   │   ├── Managers/        #   GameManager, LevelManager, TurnManager
│   │   ├── Tiles/           #   Tile sistem (BombTile, EnemyTile, vb.)
│   │   └── Interfaces/      #   ITurnBased, IGameAction interfaceleri
│   ├── Assets/Levels/       #   .ini formatında level dosyaları
│   └── Assets/Prefabs/      #   Oyun objeleri
│
├── Houdini/                 # 🧙‍♂️ Procedurel Level Generation
│   ├── main_leveldesign.hip # Ana Houdini sahne dosyası
│   ├── houdiniScripts/      # Python level generation scriptleri
│   │   ├── 1_INITIALIZE_MAP.py
│   │   ├── 2_CARVE_ROOMS.py
│   │   └── 3_PLACE_ENEMIES.py
│   └── export/              # Export edilen level verileri
│
└── Python/                  # 🐍 ML Training Pipeline
    ├── train.py             # PPO eğitim scripti
    ├── evaluate.py          # Model değerlendirme
    ├── ppo.yml             # Hyperparameter konfigürasyonu
    └── requirements.txt     # Python dependencies

🚀 Özellikler

ML-Agents Entegrasyonu

• PlayerAgent: Turn-based sistem ile entegre ML-Agent
• EnvManager: Episod yönetimi ve reset işlemleri
• RewardSystem: Gelişmiş ödül sistemi (exploration, combat, objective completion)
• PPO Algorithm: Proximal Policy Optimization ile eğitim

Turn-Based Sistem

• ITurnBased Interface: Tüm oyun objeleri için standart turn sistemi
• IGameAction Pattern: Move, Attack, PlaceBomb, Shoot aksiyonları
• TurnManager: Sıra tabanlı oyun döngüsü yönetimi

Procedurel Level Generation

• Houdini Pipeline: Python scriptleri ile otomatik level üretimi
• Grid-Based System: 15x15 grid üzerinde tile-based level tasarımı
• Dynamic Difficulty: Düşman yerleşimi ve collectable dağılımı

🛠️ Setup

1. Unity Setup

Unity 2022.3.x veya üstü
ML-Agents Package (2.0.x)
Houdini Engine for Unity

2. Python Dependencies

cd Python
pip install -r requirements.txt

3. Houdini Setup

Houdini 19.5+ 
Python 3.9+ environment
main_leveldesign.hip dosyasını aç

🎮 Nasıl Çalışır

Training Pipeline

1. Houdini ile procedurel levellar üret
2. Unity ortamında ML-Agent'i başlat
3. Python script ile PPO eğitimini çalıştır
4. TensorBoard ile sonuçları izle

Oyun Mekaniği

• Turn-based hareket sistemi
• Bomb placement ve explosion mekaniği
• Enemy AI ile combat
• Collectible sistemli scoring
• Multi-level progression

📊 Model Performance

• Observation Space: 127 dimensional vector

  • Grid observations (5x5 radius)
  • Distance calculations
  • Health, bomb count, enemy positions

• Action Space: Discrete(5)

  • 0: No action
  • 1: Move Up/Down/Left/Right
  • 2: Place Bomb
  • 3: Attack (melee)
  • 4: Shoot (ranged)

🔄 Recent Updates

• v4.3: Enhanced ML-Agent integration with cached observations
• v4.2: Optimized reward system for better exploration
• v4.1: Turn-based system refactoring
• v4.0: Complete ML-Agents integration
• v3.8: Initial Houdini pipeline implementation

🎯 Development Goals

• Multi-agent training environment
• Advanced difficulty scaling
• Real-time visualization tools
• Performance optimization
• Level variety expansion

📚 System Requirements

Kategori	Gereksinim	Versiyon	Açıklama
Unity	Unity Editor	2022.3.x LTS+	Ana geliştirme ortamı
	ML-Agents Package	2.0.x	Reinforcement Learning
	Houdini Engine for Unity	19.5+	Procedurel content entegrasyonu
Houdini	Houdini FX/Indie	19.5+	Level generation pipeline
	Python Environment	3.9+	Houdini script desteği
Python	Python	3.9+	ML training environment
	mlagents	0.30.0	Unity ML-Agents toolkit
	stable-baselines3	2.0.0	RL algorithms
	PyTorch	1.8.0+	Deep learning framework
	TensorFlow	2.6.0+	ML backend support
	NumPy	1.21.0+	Numerical computing
	Matplotlib	3.5.0+	Visualization
Hardware	RAM	8GB+	Minimum sistem gereksinimi
	GPU	CUDA Compatible	Training acceleration (önerilen)
	Disk	10GB+	Proje + dependencies için alan

📄 License

MIT License - Detaylar için LICENSE dosyasına bakın.